Aaron Levie解析企業級Applied AI層規模化特徵
Box CEO Aaron Levie表示，過去數月或正見證Applied AI層在規模化時的形態，儘管初期批評認爲這只是LLM薄層，但驅動企業agentic工作流遠更復雜，複雜性之處通常形成長期護城河與價值。
他總結關鍵組件包括：構建智能與工作流間橋樑的專屬功能、模型路由平衡前沿與高效模型、通過FDE等驅動實施與變革管理、以及領域特定GTM打造專業能力。
這些在編碼、法律、醫療、客服、金融等領域實踐中顯現，企業需今日幫助而非僅依賴模型智能。
來源：公開信息
ABAB AI 解讀
Aaron Levie作爲SaaS老兵長期觀察企業軟件演進，此番對Applied AI的拆解延續其對工作流深度集成的洞察，強調代理系統需超越通用接口轉向領域定製。
資本路徑上，SaaS與AI公司將資源從通用模型集成轉向領域特定工具與變革管理服務，資金向垂直解決方案與專業服務傾斜，動機在於通過複雜性構建可持續收入與客戶粘性。
類似Salesforce與ServiceNow在企業流程自動化中的演進，以及歷史中ERP系統從通用到行業定製，本輪企業AI處於從實驗部署向規模化工作流集成的轉型階段，平臺通過FDE與領域GTM建立競爭壁壘。
本質屬於產業鏈重構，Applied AI層在通用智能基礎上添加工作流專屬組件，機制在於企業數字化轉型的複雜性需求驅動價值從模型能力向實施深度轉移，資本向能解決“今日變革”問題的垂直玩家集中。
ABAB News · 認知定律
通用智能易得，工作流深度難複製，複雜性即護城河。
模型路由降成本，領域GTM提轉化，Applied層靠執行落地價值。
短期代理實驗，中期變革管理固化，長期AI重塑企業軟件垂直分工。